在金融投资日益复杂的今天，《概率机器学习：金融与投资实战》为投资者与金融从业者提供了一把新世界的钥匙。本书不仅深剖析了概率机器学习的核心原理，更通过丰富的实战案例，展示了这一技术在金融分析与投资决策中的巨大潜力。无论你是希望提升投资精度的专业投资者，还是对金融科技感兴趣的普通读者，都能从这本书中获得宝贵的洞见与启示。
售 价：¥
纸质售价：¥66.70购买纸书
6.5
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
O'Reilly Media，Inc.介绍
译者序
前言
第1章 概率机器学习的需求
1.1 金融学不是物理学
1.2 所有金融模型皆有谬误且大多无用
1.3 三类建模错误
1.4 概率金融模型
1.5 金融人工智能和机器学习
1.6 概率机器学习
1.7 本章小结
参考文献
扩展阅读
第2章 不确定性的分析与量化
2.1 蒙提霍尔问题
2.2 概率公理
2.3 反概率公式
2.4 模拟解
2.5 概率的含义
2.6 风险与不确定性
2.7 三种不确定性
2.8 没有免费午餐定理
2.9 投资与归纳问题
2.10 问题归纳、没有免费午餐定理与概率机器学习
2.11 本章小结
参考文献
第3章 用于量化输出不确定性的蒙特卡罗模拟
3.1 蒙特卡罗模拟：概念验证
3.2 关键统计概念
3.3 蒙特卡罗模拟的理论基础
3.4 软件项目的估值
3.5 构建一个健全的蒙特卡罗模拟系统
3.6 本章小结
参考文献
第4章 传统统计方法的风险
4.1 反向谬误
4.2 零假设显著性检验中的检察官谬误
4.3 信心游戏
4.4 揭秘信心游戏
4.5 本章小结
参考文献
扩展阅读
第5章 概率机器学习框架
5.1 探究反概率规则
5.2 估计债务违约的概率
5.3 用预测概率分布生成数据
5.4 本章小结
扩展阅读
第6章 传统人工智能系统的风险
6.1 AI系统：缺乏常识是危险的
6.2 为什么最大似然估计模型在金融领域失败了
6.3 马尔可夫链蒙特卡罗模拟
6.4 本章小结
参考文献
第7章 生成式集成概率机器学习
7.1 最大似然回归模型
7.2 概率线性集成模型
7.3 使用PyMC库与ArviZ库构建概率线性集成模型
7.4 本章小结
参考文献
扩展阅读
第8章 基于生成式集成模型的概率决策
8.1 概率推断和预测框架
8.2 概率决策框架
8.3 风险管理
8.4 资本配置
8.5 本章小结
参考文献
扩展阅读
作者简介
封面简介
推荐阅读
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
